基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力客戶信用評(píng)估方法，具體是一種基于最小二乘支持向量機(jī)的電力 客戶信用評(píng)估方法。
【背景技術(shù)】
[0002] 在電力市場(chǎng)中，供電企業(yè)需要面對(duì)信用不同的用電客戶，"先用電，后交費(fèi)"的電力 銷售模式更使電費(fèi)回收問(wèn)題成為電力系統(tǒng)的頑疾。為了促進(jìn)電力營(yíng)銷健康發(fā)展，供電企業(yè) 就需要建立一套適合電力市場(chǎng)的客戶信用評(píng)估體系，以控制電費(fèi)回收風(fēng)險(xiǎn)，提高企業(yè)效益。 電力客戶信用評(píng)估系統(tǒng)是根據(jù)電力客戶的歷史繳費(fèi)記錄、欠費(fèi)情況及原因、目前信用等綜 合狀況，用量化的數(shù)據(jù)表示各項(xiàng)指標(biāo)，通過(guò)信用評(píng)估模型科學(xué)分析用電客戶的信用情況，從 而有針對(duì)性地采取措施，加強(qiáng)用電客戶的管理，為制定適當(dāng)?shù)臓I(yíng)銷策略提出依據(jù)。
[0003] 建立電力客戶信用評(píng)估模型，即從采集的電力客戶數(shù)據(jù)中挖掘出對(duì)信用評(píng)價(jià)有利 的指標(biāo)作為客戶的特征表示，然后利用建立的評(píng)價(jià)模型，對(duì)電力客戶進(jìn)行信用分類?？紤]的 因素包括客戶的性質(zhì)及經(jīng)營(yíng)方式、繳費(fèi)記錄、用電行為、公共信息等，并將這些定性和定量 的信息量化處理，按照統(tǒng)一的內(nèi)容、標(biāo)準(zhǔn)和程序公正評(píng)價(jià)。目前，多數(shù)供電企業(yè)還是采用根 據(jù)經(jīng)驗(yàn)主觀判斷或者比例分析的方式評(píng)估信用風(fēng)險(xiǎn)，這樣就難免造成考慮因素不全、判斷 程度不準(zhǔn)等問(wèn)題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明公開(kāi)了一種基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，采用 LS-SVM數(shù)學(xué)模型構(gòu)造決策分類器來(lái)評(píng)估電力客戶信用，為供電企業(yè)明確客戶信用，降低電 費(fèi)回收風(fēng)險(xiǎn)提供有效的依據(jù)。
[0005] 本發(fā)明采用的技術(shù)方案是：一種基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方 法，包括以下步驟：
[0006] S1 :建立由用電客戶信用評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)成的評(píng)價(jià)指標(biāo)體系，并對(duì)評(píng)價(jià)指標(biāo)數(shù)據(jù) 進(jìn)行量化處理；
[0007] S2 :對(duì)步驟S1中量化后的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，并將數(shù)據(jù)分為訓(xùn)練樣本和測(cè) 試樣本；
[0008] S3 :建立具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，即LS-SVM數(shù)學(xué)模型；
[0009] S4:訓(xùn)練具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，構(gòu)建用電客戶信用評(píng) 估模型，檢測(cè)最小二乘支持向量機(jī)分類器的性能；
[0010] S5 :通過(guò)步驟S4中構(gòu)建的用電客戶信用評(píng)估模型對(duì)新的客戶進(jìn)行信用評(píng)估，獲得 用電客戶信用評(píng)估結(jié)果。
[0011] 本發(fā)明的有益效果：本發(fā)明建立了基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估 模型，并對(duì)模型參數(shù)進(jìn)行最優(yōu)值的搜索，得到較好的評(píng)估結(jié)果；該信用評(píng)估方法具有較高的 分類正確率，并且通過(guò)對(duì)樣本數(shù)據(jù)的歸一化處理，提高了預(yù)測(cè)性能，具有較強(qiáng)的實(shí)用性，為 供電企業(yè)明確客戶信用，降低電費(fèi)回收風(fēng)險(xiǎn)提供有效的依據(jù)。
【附圖說(shuō)明】
[0012] 圖1是本發(fā)明的方法流程圖。
【具體實(shí)施方式】
[0013] 以下是本發(fā)明的【具體實(shí)施方式】，現(xiàn)結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0014] 如圖1所示，本發(fā)明的具體實(shí)現(xiàn)步驟如下：
[0015] S1 :建立由用電客戶信用評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)成的評(píng)價(jià)指標(biāo)體系，并對(duì)評(píng)價(jià)指標(biāo)數(shù)據(jù) 進(jìn)行量化處理；
[0016] S2 :對(duì)步驟S1中量化后的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，并將數(shù)據(jù)分為訓(xùn)練樣本和測(cè) 試樣本；
[0017] S3 :建立具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，即LS-SVM數(shù)學(xué)模型；
[0018] S4:訓(xùn)練具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，構(gòu)建用電客戶信用評(píng) 估模型，檢測(cè)最小二乘支持向量機(jī)分類器的性能；
[0019] S5 :通過(guò)步驟S4中構(gòu)建的用電客戶信用評(píng)估模型對(duì)新的客戶進(jìn)行信用評(píng)估，獲得 用電客戶信用評(píng)估結(jié)果。
[0020] (1)構(gòu)建用電客戶信用評(píng)價(jià)指標(biāo)體系，選取600個(gè)樣本指標(biāo)數(shù)據(jù)，并對(duì)指標(biāo)數(shù)據(jù)進(jìn) 行量化處理；
[0021] 指標(biāo)體系要全面、真實(shí)、準(zhǔn)確地反應(yīng)用電客戶的信用水平，并能充分揭示企業(yè)的信 用情況，涵蓋客戶的生產(chǎn)經(jīng)營(yíng)狀況、企業(yè)用電量狀況、繳費(fèi)狀況、違約狀況、設(shè)備運(yùn)行狀況 等。如果選取的指標(biāo)對(duì)分類的貢獻(xiàn)不大甚至誤導(dǎo)，則所獲取分類器的決策面就不一定準(zhǔn)確， 因此需要對(duì)選取的指標(biāo)進(jìn)行定性定量分析，并去除指標(biāo)體系中的錯(cuò)誤信息。結(jié)合電力營(yíng)銷 管理經(jīng)驗(yàn)，和供電企業(yè)自身的需要，自定義10個(gè)評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)成電力客戶評(píng)價(jià)指標(biāo)體 系，對(duì)評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行量化處理的方法為：將電力客戶信用評(píng)價(jià)指標(biāo)數(shù)據(jù)做成向量形式， 向量中的每個(gè)元素對(duì)應(yīng)一個(gè)信用屬性值。
[0022] (2)量化后的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，作為表示該客戶用電信用的特征向量，將 前400個(gè)樣本數(shù)據(jù)作為訓(xùn)練樣本，后200個(gè)樣本數(shù)據(jù)作為測(cè)試樣本；
[0023] 步驟S2中對(duì)指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理的方法為：假設(shè)1個(gè)樣本具有d個(gè)不同的指 標(biāo)數(shù)據(jù)，則可用下式進(jìn)行處理：
【主權(quán)項(xiàng)】
1. 一種基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，其特征在于，包括以下步 驟： 51 :建立由用電客戶信用評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)成的評(píng)價(jià)指標(biāo)體系，并對(duì)評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行 量化處理； 52 :對(duì)步驟S1中量化后的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，并將數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣 本； 53 :建立具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，即LS-SVM數(shù)學(xué)模型； 54 :訓(xùn)練具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，構(gòu)建用電客戶信用評(píng)估模 型，檢測(cè)最小二乘支持向量機(jī)分類器的性能； 55 :通過(guò)步驟S4中構(gòu)建的用電客戶信用評(píng)估模型對(duì)新的客戶進(jìn)行信用評(píng)估，獲得用電 客戶信用評(píng)估結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，其特征 在于：步驟S1中所述的用電客戶信用評(píng)價(jià)指標(biāo)體系包括10個(gè)自定義的評(píng)價(jià)指標(biāo)數(shù)據(jù)；對(duì) 評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行量化處理的方法為：將電力客戶信用評(píng)價(jià)指標(biāo)數(shù)據(jù)做成向量形式，向量 中的每個(gè)元素對(duì)應(yīng)一個(gè)信用屬性值。
3. 根據(jù)權(quán)利要求1所述的基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，其特征 在于：步驟S2中對(duì)指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理的方法為：假設(shè)1個(gè)樣本具有d個(gè)不同的指標(biāo) 數(shù)據(jù)，則可用下式進(jìn)行處理：
i= 1，2,3, ...1;j= 1，2,3,…d 式中，&表示第i個(gè)樣本的第j個(gè)指標(biāo)數(shù)據(jù)，表示第i個(gè)樣本的指標(biāo)中數(shù)值最 大的一個(gè)指標(biāo)數(shù)據(jù)，表示第i個(gè)樣本的指標(biāo)中數(shù)值最小的一個(gè)指標(biāo)數(shù)據(jù)，x、表示 預(yù)處理后的第i個(gè)樣本的第j個(gè)指標(biāo)數(shù)據(jù)。
4. 根據(jù)權(quán)利要求1所述的基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，其特 征在于：步驟S3中建立具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型的方法為：首先， 構(gòu)造分類決策函數(shù)+ ，求得最優(yōu)分類超平面，建立支持向量機(jī)模型，決策函 數(shù)中x為指標(biāo)，ye(1，-1)為相應(yīng)的指標(biāo)類別；然后在支持向量機(jī)模型優(yōu)化問(wèn)題的目標(biāo) 函數(shù)中使用誤差平方項(xiàng)，并用等式約束條件代替支持向量機(jī)模型中的不等式約束條件，得 到最小二乘支持向量機(jī)模型，最后再引入高斯核函數(shù)，即得到具有高斯核函數(shù)的最小二乘 支持向量機(jī)數(shù)學(xué)模型，具體方法為：設(shè)有訓(xùn)練樣本集{byj，XieRd，yie{-1，+1}，i= 1，2,…，1，其中1為訓(xùn)練樣本總數(shù)，R為樣本空間，d為樣本空間的維數(shù)，y為樣本的類別標(biāo) 志，根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)原則，分類問(wèn)題的最小風(fēng)險(xiǎn)界可由優(yōu)化問(wèn)題得到，在最小二乘支持向量機(jī) 中，采用最小二乘線性系統(tǒng)作為損失函數(shù)求解決策函數(shù)的參量《、b，其優(yōu)化問(wèn)題為：
式中，W為權(quán)向量，b為偏差，L是誤差變量，Y為誤差懲罰因子，引入拉格朗日函數(shù) 求解，相應(yīng)的拉格朗日函數(shù)為：
式中，ai(i= 1，2,…，n)是拉格朗日乘子，b是偏差；根據(jù)Karush-Kuhn-Tucker優(yōu)化 條件，消去w和|，將以上目標(biāo)函數(shù)的最優(yōu)化問(wèn)題轉(zhuǎn)化為求解以下的方程組：
其中 1T= [1，1，…，1]n，I為nXn的單位矩陣，a= [a:,a2, . . .，an]T，y=h，y2, . . .，yn]T，G=|y(七)#1 (a：:).….，這是滿足Mercer條件的對(duì)稱函數(shù)，用核函數(shù)K(Xi,Xj)代替特 征空間的內(nèi)積褀X))，方程組變?yōu)椋?br>利用最小二乘法求出a,和b，則可以求出訓(xùn)練數(shù)據(jù)集的最優(yōu)決策函數(shù)：
，建立最小二乘支持向量機(jī)模型； 最后，引入高斯核函數(shù)：K(Xi，Xj) =61口(-||1^」||2/〇2)，〇為函數(shù)的寬度參數(shù)，建立 具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型。
5.根據(jù)權(quán)利要求1所述的基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，其特 征在于：步驟S4中訓(xùn)練具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，構(gòu)建用電客戶信 用評(píng)估模型，檢測(cè)最小二乘支持向量機(jī)分類器的性能的具體步驟：首先，確定LS-SVM數(shù)學(xué) 模型的懲罰參數(shù)gam和高斯核函數(shù)徑向基核寬度sig2的取值，方法為：將訓(xùn)練樣本輸入 LS-SVM數(shù)學(xué)模型，用不同的參數(shù)組合訓(xùn)練LS-SVM分類器，采用網(wǎng)絡(luò)搜索的方法選擇出最優(yōu) 的gam與sig2,然后把測(cè)試樣本輸入根據(jù)最優(yōu)參數(shù)gam與sig2訓(xùn)練出的LS-SVM分類器，檢 測(cè)LS-SVM分類器的性能。
【專利摘要】一種基于最小二乘支持向量機(jī)的電力客戶信用評(píng)估方法，包括以下步驟：S1：建立由用電客戶信用評(píng)價(jià)指標(biāo)數(shù)據(jù)構(gòu)成的評(píng)價(jià)指標(biāo)體系，并對(duì)評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行量化處理；S2：對(duì)步驟S1中量化后的指標(biāo)數(shù)據(jù)進(jìn)行歸化處理，并將數(shù)據(jù)分為訓(xùn)練樣本和測(cè)試樣本；S3：建立具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，即LS-SVM數(shù)學(xué)模型；S4：訓(xùn)練具有高斯核函數(shù)的最小二乘支持向量機(jī)數(shù)學(xué)模型，構(gòu)建用電客戶信用評(píng)估模型，檢測(cè)最小二乘支持向量機(jī)分類器的性能；S5：通過(guò)步驟S4中構(gòu)建的用電客戶信用評(píng)估模型對(duì)新的客戶進(jìn)行信用評(píng)估，獲得用電客戶信用評(píng)估結(jié)果。
【IPC分類】G06Q50-06
【公開(kāi)號(hào)】CN104574220
【申請(qǐng)?zhí)枴緾N201510047967
【發(fā)明人】馬鋒
【申請(qǐng)人】國(guó)家電網(wǎng)公司, 江蘇省電力公司徐州供電公司, 江蘇省電力公司
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年1月30日